基于CNN的Schrodinger猫态识别
量子物理
2024-09-05 v1 机器学习
摘要
我们应用卷积神经网络对猫态和相干态进行分类。首先，我们生成来自非线性过程的Schrodinger猫态和相干态数据集并进行预处理。随后，我们构建了LeNet和ResNet网络架构，调整卷积核和步幅等参数以获得最佳值。然后，我们在训练集上训练了LeNet和ResNet。损失函数值表明ResNet在分类猫态和相干态方面性能更好。最后，我们在测试集上评估了训练好的模型，LeNet和ResNet的准确率分别为97.5%和100%。我们评估了不同α值的猫态和相干态，显示出一定的泛化能力。结果表明，LeNet可能在没有相干特征的情况下将相干态误识别为猫态，而ResNet为解决传统神经网络误识别猫态和相干态的问题提供了可行方案。
引用
@article{arxiv.2409.02132,
title = {Recognition of Schrodinger cat state based on CNN},
author = {Tao Zhang and Chaoying Zhao},
journal= {arXiv preprint arXiv:2409.02132},
year = {2024}
}
备注
6pages,5figures